用神經網路測量訓練集的半衰期

georgesale發表於2020-11-14
神經網路

神經網路的衰變假設：被概率密度表達的粒子A和B彼此互為粒子和環境，在相互作用中被彼此微擾產生衰變，衰變產物是A的B組分和B的A組分，網路的分類準確率是兩個粒子分類準確率的和pave=Σpr。

 

(0,2)—81*10*2-(1,0)(0,1)

 

做一個網路分類mnist的0和2，得到一組資料

f2[0]

f2[1]

迭代次數n

平均準確率p-ave

p10-1

p10-0

p01-1

p01-0

δ

耗時ms/次

耗時ms/199次

耗時 min/199

最大值p-max

平均值標準差

0.00512

0.99488

17090.6

0.98302

0.98707

0.01293

0.97917

0.02083

1.00E-04

136.92

27247

0.45412

0.98608

0.00149

Mnist的測試集裡0有980個，2有1032個，這個網路（1，0）位的分類準確率p10-1為0.987073，（0，1）位的分類準確率p01-1是0.979174，因此網路的平均分類準確率pave是

因此這組資料符合關係

現在將兩個訓練集0和2粒子化，讓他們互為粒子和環境，計算各自的半衰期T

首先讓2做環境讓0做粒子

N=17090,

P10-1=0.98707，

代入得到在2的環境中，粒子0的半衰期T是910432，

再讓0做環境讓2做粒子

N=17090，

P01-1=0.97917，

得到在0環境中粒子2的半衰期T是562859.

相關文章